Загрузка видео...

Не удалось загрузить видео

На главную

字节跳动开源了一个"超级AI员工"框架——DeerFlow 2.0，发布即登GitHub Trending第一。 它不是聊天机器人，是Agent调度中枢：能拆解复杂任务、自动派出子Agent分头执行、最后汇总交付。写研报、建网站、做PPT、生成视频，都是内置技能。 关键设计：每个任务跑在独立Docker沙箱里，有自己的文件系统，能读写文件、执行代码，隔离且可审计。跨会话记忆持久化，用得越多越懂你。 支持接入GPT-4、DeepSeek、豆包等任意模型，非纯本地方案。基于LangGraph构建，MIT开源。

KKaWSB's profile picture

KK.aWSB

86,683 subscribers

270,945 просмотров • 3 месяцев назад •via X (Twitter)

Новости и политикаНаука и технологии
LIVE

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

字节开源了一个超级智能体套件：DeerFlow 2.0 目前已经有35K的Star了，迅速登上GitHub Trending第1名 它通过sub-agents并行协作、沙箱执行环境、持久记忆和可扩展的skills系统， 让AI agent不只是"聊天"，而是真正能研究、写作、编程、网页生成、自动化工作流， 再配合可扩展的skills，几乎可以让agent可以完成任何事情。
0:16

字节开源了一个超级智能体套件：DeerFlow 2.0 目前已经有35K的Star了，迅速登上GitHub Trending第1名 它通过sub-agents并行协作、沙箱执行环境、持久记忆和可扩展的skills系统， 让AI agent不只是"聊天"，而是真正能研究、写作、编程、网页生成、自动化工作流， 再配合可扩展的skills，几乎可以让agent可以完成任何事情。

松果先森

63,452 просмотров • 3 месяцев назад

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意： 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。
0:17

Claude Code 桌面板发布本地定时任务功能 设定好任务执行的频率，Claude 会在你电脑开着的时候自动执行，无需你每次手动触发。 比如：每周五下午，汇总本周进度，生成一份 Markdown 报告存到本地 有几个细节值得注意： 任务第一次跑完之后，Claude 会自动重写你的 Prompt，记住具体该去哪里找文件、用哪些工具，下次会更准 可以开 Git Worktree 模式，每次运行在独立分支里，不会动你的主干代码 如果电脑在任务时间点刚好休眠了，App 重新打开后会自动补跑，并发通知 目前需要 Claude Pro 以上的付费订阅，桌面端专属，网页和手机暂不支持。 怎么用 在侧边栏点击 "Schedule"，再点 "+ New task" 就能创建一个定时任务。 也可以在任意会话里直接描述需求，比如"帮我设置一个每天早上9点执行的代码 review 任务"，Claude 会自动完成配置。

小互

23,651 просмотров • 3 месяцев назад

字节跳动发布的 UI-TARS-desktop，是本地运行的桌面自动化代理。 它可以使用任何桌面应用程序，打开文件，浏览网站，并自动执行任务，无需云连接。100% 开源。
0:15

字节跳动发布的 UI-TARS-desktop，是本地运行的桌面自动化代理。 它可以使用任何桌面应用程序，打开文件，浏览网站，并自动执行任务，无需云连接。100% 开源。

KK.aWSB

208,030 просмотров • 5 месяцев назад

在 GitHub 上发现一款能真正自主完成任务的 AI 桌面 Agent：NeuralAgent，解放我们双手，自动操作电脑。 它能直接在桌面上执行各种操作，如打字、点击、浏览网页、填写表单、发送邮件，甚至可以在后台自动完成复杂任务。 GitHub： 主要特性： - 桌面自动化操作，支持鼠标键盘控制和窗口管理 - 后台浏览器自动化，可自动处理网页任务 - 支持多种 AI 模型，包括 OpenAI、Anthropic、Gemini 等 - 模块化 Agent 架构，包含规划、分类、建议等专门 Agent - 多模态支持，结合文本和视觉信息理解任务 - FastAPI 后端配合 Electron 桌面应用，提供流畅操作体验 搭建颇为复杂，不过提供了完整安装指南，并兼容 Windows、macOS 和 Linux 系统。感兴趣的同学可以部署运行体验下。
0:16

在 GitHub 上发现一款能真正自主完成任务的 AI 桌面 Agent：NeuralAgent，解放我们双手，自动操作电脑。 它能直接在桌面上执行各种操作，如打字、点击、浏览网页、填写表单、发送邮件，甚至可以在后台自动完成复杂任务。 GitHub： 主要特性： - 桌面自动化操作，支持鼠标键盘控制和窗口管理 - 后台浏览器自动化，可自动处理网页任务 - 支持多种 AI 模型，包括 OpenAI、Anthropic、Gemini 等 - 模块化 Agent 架构，包含规划、分类、建议等专门 Agent - 多模态支持，结合文本和视觉信息理解任务 - FastAPI 后端配合 Electron 桌面应用，提供流畅操作体验 搭建颇为复杂，不过提供了完整安装指南，并兼容 Windows、macOS 和 Linux 系统。感兴趣的同学可以部署运行体验下。

GitHubDaily

16,761 просмотров • 11 месяцев назад

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。
0:11

做自媒体之后，我的下载文件夹，基本长期失控。 素材、品牌资料、截图、PDF 全堆在一起。 今天要交付内容时，我打开文件夹—— 80 个文件，完全炸了 于是，让 AI 接管了我的电脑 80 个文件， 3 分钟， 1 句话整理完成。 没有插件。 没有脚本。 没有写一行代码。 我只做了这一件事： 打开 EasyClaw 👉 输入一句话： 「“整理我的下载文件夹，按类型分类、重命名、删除重复文件，并生成整理报告”」 然后它开始自己工作： ✔ 自动识别文件类型 ✔ 读取创建时间 ✔ 批量重命名 ✔ 自动建文件夹 ✔ 清理重复文件 我没有拖动一个文件。 这不是“文件整理”。 这是—— AI 直接接管操作系统。 2026 年， 不会写代码的人， 也可以做自动化。

暖暖爱AI

41,422 просмотров • 4 месяцев назад

AI又有新气象……抓紧体验🔥 Google 悄悄发布了一个东西，可能比 Gemini App 更值得关注——AI Edge Gallery 它不是又一个 AI 聊天软件。 本质上，它是一个本地 AI 运行平台：模型直接跑在手机芯片上，推理全程离线，数据不经过任何服务器。 目前已支持 Gemma 3/4 系列模型，最新版本还加入了 Thinking Mode 和 Agent Skills——也就是说，手机本身可以完成多步骤任务推理，而不只是回答问题。 ▍实际能用来做什么？ ∙拍照提问、文档理解，完全本地处理 ∙没网络也能用的实时翻译、语音转写 ∙敏感文件分析，内容不出设备 ∙未来可能支持本地 Agent 自动完成任务流 这件事真正的意义，不在于”又多了一个 AI App”——而在于 Google 正在验证一件事：AI 能不能成为每台 Android 手机的底层能力，而不是需要联网调用的云端服务？ ▍如果这条路跑通 手机 AI 的竞争格局会重写。 苹果有 Apple Intelligence，高通在推 AI PC，现在 Google 在 Android 端下这步棋。 ► 端侧 AI 的入口之争，已经开始了。
0:14

AI又有新气象……抓紧体验🔥 Google 悄悄发布了一个东西，可能比 Gemini App 更值得关注——AI Edge Gallery 它不是又一个 AI 聊天软件。 本质上，它是一个本地 AI 运行平台：模型直接跑在手机芯片上，推理全程离线，数据不经过任何服务器。 目前已支持 Gemma 3/4 系列模型，最新版本还加入了 Thinking Mode 和 Agent Skills——也就是说，手机本身可以完成多步骤任务推理，而不只是回答问题。 ▍实际能用来做什么？ ∙拍照提问、文档理解，完全本地处理 ∙没网络也能用的实时翻译、语音转写 ∙敏感文件分析，内容不出设备 ∙未来可能支持本地 Agent 自动完成任务流 这件事真正的意义，不在于”又多了一个 AI App”——而在于 Google 正在验证一件事：AI 能不能成为每台 Android 手机的底层能力，而不是需要联网调用的云端服务？ ▍如果这条路跑通 手机 AI 的竞争格局会重写。 苹果有 Apple Intelligence，高通在推 AI PC，现在 Google 在 Android 端下这步棋。 ► 端侧 AI 的入口之争，已经开始了。

泥伏雷闯关记

76,462 просмотров • 3 месяцев назад

LongWriter 是一个由清华大学数据挖掘研究小组（THUDM）开发的开源项目 旨在让LLMs生成超长文本 LongWriter解决了LLMs生成内容的时候容易出现上下文不连贯或信息重复的情况 同时能在不到一分钟内，生成超过 10000 字，甚至20000 字连贯性、结构合理且逻辑清晰、条理分明的超长内容。 LongWriter是通过一种基于代理的“计划-写作”方法，将复杂的长文本生成任务分解为多个子任务，每个子任务只需生成一段文本。 这种方法确保生成的每一段内容都是连贯且高质量的，最终合并为一个完整的长文本。通过这种方式，即使是现有的模型也可以生成超过20000字的文本。 详细介绍： GitHub： 在线体验：
0:12

LongWriter 是一个由清华大学数据挖掘研究小组（THUDM）开发的开源项目 旨在让LLMs生成超长文本 LongWriter解决了LLMs生成内容的时候容易出现上下文不连贯或信息重复的情况 同时能在不到一分钟内，生成超过 10000 字，甚至20000 字连贯性、结构合理且逻辑清晰、条理分明的超长内容。 LongWriter是通过一种基于代理的“计划-写作”方法，将复杂的长文本生成任务分解为多个子任务，每个子任务只需生成一段文本。 这种方法确保生成的每一段内容都是连贯且高质量的，最终合并为一个完整的长文本。通过这种方式，即使是现有的模型也可以生成超过20000字的文本。 详细介绍： GitHub： 在线体验：

小互

19,742 просмотров • 1 год назад

写自动化测试脚本或者写爬虫时，用传统的 Playwright 往往需要频繁维护各种元素选择器。 一旦目标网页的结构发生微调，原有的脚本就容易直接报错罢工，维护起来颇为费神。 最近在 GitHub 上看到到 HyperAgent 这个开源项目，巧妙地将 Playwright 与大模型结合在了一起。 通过自然语言就能控制浏览器，完成复杂的自动化任务，不用再写一堆脆弱的选择器代码。 GitHub： 支持单步操作，速度快成本低，以及能处理多步骤复杂任务，支持视觉理解和自适应调整。 还内置动作缓存功能，录制一次工作流后可以反复回放，不需要每次都调用大语言模型。 底层直接使用 Chrome 开发者工具协议，动作执行更精确，自动过滤广告框架，支持深层嵌套的 iframe 操作。 同时支持云端扩展，可以通过 Hyperbrowser 快速扩展到数百个会话，还能连接 MCP 工具实现完整工作流。 如果你正在用 Playwright 做自动化测试或数据采集，又厌倦了频繁维护选择器代码，这个项目值得一试。
0:16

写自动化测试脚本或者写爬虫时，用传统的 Playwright 往往需要频繁维护各种元素选择器。 一旦目标网页的结构发生微调，原有的脚本就容易直接报错罢工，维护起来颇为费神。 最近在 GitHub 上看到到 HyperAgent 这个开源项目，巧妙地将 Playwright 与大模型结合在了一起。 通过自然语言就能控制浏览器，完成复杂的自动化任务，不用再写一堆脆弱的选择器代码。 GitHub： 支持单步操作，速度快成本低，以及能处理多步骤复杂任务，支持视觉理解和自适应调整。 还内置动作缓存功能，录制一次工作流后可以反复回放，不需要每次都调用大语言模型。 底层直接使用 Chrome 开发者工具协议，动作执行更精确，自动过滤广告框架，支持深层嵌套的 iframe 操作。 同时支持云端扩展，可以通过 Hyperbrowser 快速扩展到数百个会话，还能连接 MCP 工具实现完整工作流。 如果你正在用 Playwright 做自动化测试或数据采集，又厌倦了频繁维护选择器代码，这个项目值得一试。

GitHubDaily

17,999 просмотров • 3 месяцев назад

我去！国外已经刷屏了，国内好像还没啥人聊🔥 PewDiePie pewdiepie 搞了个本地版 ChatGPT / Claude：Odysseus。 GitHub 5 月 31 日晚上才建，短短 2 天现在已经冲到 2 万星左右，涨得非常猛。 Odysseus 是什么？ 本地 / 自托管 AI 工作空间——运行在你自己的电脑或服务器上，也可以按需接 API。无云端强依赖、无账号绑定、无遥测追踪，数据尽量留在自己手里。 包含 Agent——不是只能聊天的那种，而是能执行真实任务的代理，比如网页浏览、文件编辑、文档处理、研究报告、邮件分类 / 自动回复等等。 功能——聊天界面、记忆、Deep Research、图像生成 / 编辑、MCP 支持、图库、资料库、文件工具、Shell、Web 工具等等。基本就是把他自己定制的“ChatOS”，慢慢做成了一个完整的 AI 生产力套件。 他之所以构建它，是因为他厌倦了不稳定的自托管设置以及将数据交给大科技公司。 项目地址：
0:18

我去！国外已经刷屏了，国内好像还没啥人聊🔥 PewDiePie pewdiepie 搞了个本地版 ChatGPT / Claude：Odysseus。 GitHub 5 月 31 日晚上才建，短短 2 天现在已经冲到 2 万星左右，涨得非常猛。 Odysseus 是什么？ 本地 / 自托管 AI 工作空间——运行在你自己的电脑或服务器上，也可以按需接 API。无云端强依赖、无账号绑定、无遥测追踪，数据尽量留在自己手里。 包含 Agent——不是只能聊天的那种，而是能执行真实任务的代理，比如网页浏览、文件编辑、文档处理、研究报告、邮件分类 / 自动回复等等。 功能——聊天界面、记忆、Deep Research、图像生成 / 编辑、MCP 支持、图库、资料库、文件工具、Shell、Web 工具等等。基本就是把他自己定制的“ChatOS”，慢慢做成了一个完整的 AI 生产力套件。 他之所以构建它，是因为他厌倦了不稳定的自托管设置以及将数据交给大科技公司。 项目地址：

爱吃折耳根的Ace

524,545 просмотров • 1 месяц назад

Anthropic 发布了 Skill Creator 的重大更新 核心变化：内置测试用例生成 写完一个 Claude 技能，怎么知道它到底能不能被正确触发？以前靠手动试，现在 Skill Creator 内置了测试功能，帮你自动跑评估。 你现在可以给技能定义一组测试提示词，描述"什么样的回答算合格"，然后让系统自动跑测试、出报告。 不需要写代码，不需要搭测试框架。 具体新增了四个能力： 自动化评估（Evals）： 定义测试提示词和预期结果，系统自动运行并追踪通过率、耗时、token 用量。当模型更新或基础设施变化时，你能立刻发现技能是否"退步"了。 多 Agent 并行测试： 测试用例不是排队跑的，而是在独立的 Agent 中并行执行，每条测试互不干扰，各自有独立的 token 和耗时统计。 A/B 对比： 系统用"比较器 Agent"对两个版本的技能做盲测对比，去掉主观偏见。你改了技能描述，想知道新版比旧版好还是差，直接跑一轮对比就有答案。 触发率优化： 这可能是最实用的功能。系统会分析你的技能描述和测试提示词，建议怎么改描述才能减少误触发和漏触发。官方测试中，6 个公开的文档类技能有 5 个的触发准确率得到了提升。
0:13

Anthropic 发布了 Skill Creator 的重大更新 核心变化：内置测试用例生成 写完一个 Claude 技能，怎么知道它到底能不能被正确触发？以前靠手动试，现在 Skill Creator 内置了测试功能，帮你自动跑评估。 你现在可以给技能定义一组测试提示词，描述"什么样的回答算合格"，然后让系统自动跑测试、出报告。 不需要写代码，不需要搭测试框架。 具体新增了四个能力： 自动化评估（Evals）： 定义测试提示词和预期结果，系统自动运行并追踪通过率、耗时、token 用量。当模型更新或基础设施变化时，你能立刻发现技能是否"退步"了。 多 Agent 并行测试： 测试用例不是排队跑的，而是在独立的 Agent 中并行执行，每条测试互不干扰，各自有独立的 token 和耗时统计。 A/B 对比： 系统用"比较器 Agent"对两个版本的技能做盲测对比，去掉主观偏见。你改了技能描述，想知道新版比旧版好还是差，直接跑一轮对比就有答案。 触发率优化： 这可能是最实用的功能。系统会分析你的技能描述和测试提示词，建议怎么改描述才能减少误触发和漏触发。官方测试中，6 个公开的文档类技能有 5 个的触发准确率得到了提升。

小互

46,969 просмотров • 4 месяцев назад

worktrunk — Git Worktree 管理器，专为并行跑多个 AI coding agent 设计。 先说痛点： 如果你现在用 Claude Code / Codex 写代码，一个 agent 一次只能改一个功能。想并行跑 5-10 个 agent 同时处理不同任务？Git 原生做不到——多个 agent 共享同一个工作目录，互相踩文件、冲突不断。 Git 其实有一个 worktree 功能可以解决这个问题：给每个 agent 分配独立的工作目录，共享同一个 .git。但原生 UX 极其痛苦： 创建一个 worktree 要打三遍分支名： git worktree add -b feat ../repo.feat cd ../repo.feat worktrunk 把这件事简化成了一行命令： wt switch -c -x claude feat 创建 worktree + 切换目录 + 启动 Claude Code，一步到位。 核心命令就三个： • wt switch feat → 切换到指定 worktree • wt switch -c feat → 创建新 worktree • wt remove → 清理 进阶功能也很实用： • Hooks：创建/合并时自动执行脚本 • LLM commit messages：自动从 diff 生成提交信息 • wt merge main：一行命令完成 squash + rebase + merge + 清理 • 交互式选择器：带实时 diff 和 log 预览 • 构建缓存复制：worktree 之间共享 target/、node_modules/，跳过冷启动 当你从"一次跑一个 agent"升级到"同时跑 5 个 agent 做不同任务"，worktree 管理就是第一个要解决的问题。 🔗
0:19

worktrunk — Git Worktree 管理器，专为并行跑多个 AI coding agent 设计。 先说痛点： 如果你现在用 Claude Code / Codex 写代码，一个 agent 一次只能改一个功能。想并行跑 5-10 个 agent 同时处理不同任务？Git 原生做不到——多个 agent 共享同一个工作目录，互相踩文件、冲突不断。 Git 其实有一个 worktree 功能可以解决这个问题：给每个 agent 分配独立的工作目录，共享同一个 .git。但原生 UX 极其痛苦： 创建一个 worktree 要打三遍分支名： git worktree add -b feat ../repo.feat cd ../repo.feat worktrunk 把这件事简化成了一行命令： wt switch -c -x claude feat 创建 worktree + 切换目录 + 启动 Claude Code，一步到位。 核心命令就三个： • wt switch feat → 切换到指定 worktree • wt switch -c feat → 创建新 worktree • wt remove → 清理 进阶功能也很实用： • Hooks：创建/合并时自动执行脚本 • LLM commit messages：自动从 diff 生成提交信息 • wt merge main：一行命令完成 squash + rebase + merge + 清理 • 交互式选择器：带实时 diff 和 log 预览 • 构建缓存复制：worktree 之间共享 target/、node_modules/，跳过冷启动 当你从"一次跑一个 agent"升级到"同时跑 5 个 agent 做不同任务"，worktree 管理就是第一个要解决的问题。 🔗

sitin

11,803 просмотров • 3 месяцев назад

最近Figma 发了 Figma Motion，不过既付费又闭源 我们做了个开源版的👇 · 内置一批效果顶尖的动效模板，选中即用、一键复用到你的html/视频 · 动效活在真实运行的网页/视频里，对话即改，每个组件单独微调 · 任意动效一键导出成 skill，丢给你的 AI 复用 还顺手治了 AI 做 launch 视频总像"视频版 PPT"的毛病——转场丝滑，能做出 Apple 发布会那种质感。 大家需要的话我们就尽快开放🙌
0:10

最近Figma 发了 Figma Motion，不过既付费又闭源 我们做了个开源版的👇 · 内置一批效果顶尖的动效模板，选中即用、一键复用到你的html/视频 · 动效活在真实运行的网页/视频里，对话即改，每个组件单独微调 · 任意动效一键导出成 skill，丢给你的 AI 复用 还顺手治了 AI 做 launch 视频总像"视频版 PPT"的毛病——转场丝滑，能做出 Apple 发布会那种质感。 大家需要的话我们就尽快开放🙌

Tom Huang

32,874 просмотров • 4 дней назад

为什么很多人的 Agent 用不起来？ 不管 Agent 多聪明，像Claude Code、Codex、OpenClaw，都会遇到同一个问题：上次说好的偏好，下次对话全忘了。 不是模型不够聪明，是记忆架构本身的问题。 很多市面上的Agent Memory，说的好听点叫长期记忆，其实就是个聊天记录仓库。 最近在 GitHub 看到 MemOS 出的一个本地记忆插件，叫 MemOS Local Plugin，上线没多久就斩获了近万 Star。 直接装进你的 Agent 里就能用，Hermes 和 OpenClaw 都已经支持，核心思路是执行即学习。 Agent 每跑一次任务，过程本身就在转化成经验，下次遇到类似的事能直接调用。 最近 Local Plugin 2.0 还升级了记忆架构，让 Agent 能从任务里学到东西、沉淀经验。 具体3件事： 1、每步操作都会被打分 不只记录做了什么，还会标注是怎么做的、哪一步起了作用。 这些被拆解成一个个可学习的单元，慢慢积累成 可复用的经验。 2、记忆分层，按需读取 记忆按层分类存放，短期的、任务相关的、长期沉淀的各归各处。 用什么取什么，不会把不相关的东西一起翻出来干扰判断。 3、换 Agent也没事，经验不清零 在一个Agent里积累的东西，换另一个也能直接用，记忆资产一直都在。
0:19

为什么很多人的 Agent 用不起来？ 不管 Agent 多聪明，像Claude Code、Codex、OpenClaw，都会遇到同一个问题：上次说好的偏好，下次对话全忘了。 不是模型不够聪明，是记忆架构本身的问题。 很多市面上的Agent Memory，说的好听点叫长期记忆，其实就是个聊天记录仓库。 最近在 GitHub 看到 MemOS 出的一个本地记忆插件，叫 MemOS Local Plugin，上线没多久就斩获了近万 Star。 直接装进你的 Agent 里就能用，Hermes 和 OpenClaw 都已经支持，核心思路是执行即学习。 Agent 每跑一次任务，过程本身就在转化成经验，下次遇到类似的事能直接调用。 最近 Local Plugin 2.0 还升级了记忆架构，让 Agent 能从任务里学到东西、沉淀经验。 具体3件事： 1、每步操作都会被打分 不只记录做了什么，还会标注是怎么做的、哪一步起了作用。 这些被拆解成一个个可学习的单元，慢慢积累成 可复用的经验。 2、记忆分层，按需读取 记忆按层分类存放，短期的、任务相关的、长期沉淀的各归各处。 用什么取什么，不会把不相关的东西一起翻出来干扰判断。 3、换 Agent也没事，经验不清零 在一个Agent里积累的东西，换另一个也能直接用，记忆资产一直都在。

阿西_出海

20,877 просмотров • 1 месяц назад

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀
0:10

全网都在吹日本Fugu跑分超GPT，但我敢说99%的人没看懂它真正炸场的地方。 首先这玩意儿根本不是什么超大单体大模型， 它全身上下只有0.6B参数，本职工作就其实就是个AI项目经理， 简单任务自己处理，复杂任务自动拆分，从全球顶级模型池里挑最合适的选手，分配思考执行验证三种角色，多轮协作最后合成答案。 你调用它和调普通模型没区别，一行API的事， 但背后的编排策略是训练出来的，不是人手写prompt调路由磨出来的，它可以发掘出人类根本想不到的协作模式。 我觉得最狠的还不是跑分超了Claude和GPT，关键是它直接绕开了scaling law的军备竞赛。 不用堆万亿参数，不用砸超算中心，靠更聪明的协作机制就能摸到前沿模型的天花板，AI的竞争第一次从拼参数变成了拼管理。 当然不是银弹，比如黑箱不透明，复杂任务延迟更高，简单题用它反而更贵。 但这件事的信号意义比跑分数字重要一百倍，意味着多智能体编排从实验室玩具正式变成了可用的生产力工具。 orchestration layer这条新赛道，今天正式开跑咯🚀

AYi

231,347 просмотров • 10 дней назад

腾讯云把自研 AI 设计平台 Ardot 正式公测了，主打“产设研协作”一体化。它能一句话生成可编辑设计稿，快速做 App、官网、海报、PPT，还能导入 Figma、调用团队组件库。更狠的是，设计稿可一键转代码，支持多人实时评论、版本对比，协作。 公测地址：
0:12

腾讯云把自研 AI 设计平台 Ardot 正式公测了，主打“产设研协作”一体化。它能一句话生成可编辑设计稿，快速做 App、官网、海报、PPT，还能导入 Figma、调用团队组件库。更狠的是，设计稿可一键转代码，支持多人实时评论、版本对比，协作。 公测地址：

小鹏Digital

38,397 просмотров • 1 месяц назад

在 GitHub 上发现一个开源项目：Memvid，颠覆传统的向量数据库处理方式，直接将文本数据编码成视频文件。 通过将数百万文本块压缩到单个 MP4 文件中，不仅实现了 10 倍的存储压缩率，还能在亚秒级时间内完成语义搜索，完全无需数据库服务器。 GitHub： 并且内置对话功能，可与知识库进行上下文感知的对话，同时支持直接导入 PDF 文档并自动索引处理。 可完全离线工作，视频生成后无需网络连接。正在构建大型知识库的 AI 开发者不妨看下这个项目。
0:15

在 GitHub 上发现一个开源项目：Memvid，颠覆传统的向量数据库处理方式，直接将文本数据编码成视频文件。 通过将数百万文本块压缩到单个 MP4 文件中，不仅实现了 10 倍的存储压缩率，还能在亚秒级时间内完成语义搜索，完全无需数据库服务器。 GitHub： 并且内置对话功能，可与知识库进行上下文感知的对话，同时支持直接导入 PDF 文档并自动索引处理。 可完全离线工作，视频生成后无需网络连接。正在构建大型知识库的 AI 开发者不妨看下这个项目。

GitHubDaily

57,587 просмотров • 1 год назад

一个能让 AI 智能体自动化操作浏览器的开源工具：Browser Use。 只需几行代码，即可让 AI 成为我们的网页助手，像真人一样理解网页内容，并完成各种复杂的操作任务。 GitHub： 如自动投简历、查询航班信息等。并具备视觉识别、并行多个智能体、自动管理多个标签页等特点。
0:10

一个能让 AI 智能体自动化操作浏览器的开源工具：Browser Use。 只需几行代码，即可让 AI 成为我们的网页助手，像真人一样理解网页内容，并完成各种复杂的操作任务。 GitHub： 如自动投简历、查询航班信息等。并具备视觉识别、并行多个智能体、自动管理多个标签页等特点。

GitHubDaily

37,641 просмотров • 1 год назад

龙虾族兄弟盟，GitHub 上有个项目：openclaw-china 可以把 OpenClaw 直接接入国内主流聊天软件。 支持的平台： - 微信 - 企业微信 - 飞书 - 钉钉 - QQ 装好之后，你的 AI Agent 就可以直接在聊天软件里干活： - 群聊自动回复 - 自动处理任务 - 做 AI 客服 - 甚至跑自动化工作流。 等于把 OpenClaw 的能力搬进国内办公生态。 非常值得去研究一下。
0:18

龙虾族兄弟盟，GitHub 上有个项目：openclaw-china 可以把 OpenClaw 直接接入国内主流聊天软件。 支持的平台： - 微信 - 企业微信 - 飞书 - 钉钉 - QQ 装好之后，你的 AI Agent 就可以直接在聊天软件里干活： - 群聊自动回复 - 自动处理任务 - 做 AI 客服 - 甚至跑自动化工作流。 等于把 OpenClaw 的能力搬进国内办公生态。 非常值得去研究一下。

开发者Hailey

176,393 просмотров • 3 месяцев назад

又发现 GitHub 上一款开源强大的文本转语音工具：Abogen。 能快速将 ePub、PDF 或文本文件转换成高质量音频，并生成匹配的字幕。 GitHub： 主要特性： - 支持 ePub、PDF、TXT 多种文件格式输入 - 基于 Kokoro-82M 模型生成自然流畅语音 - 自动生成时间同步字幕文件 - 内置语音混合器创建个性化声音 - 支持多种语言包括中文、英文、日语等 - 批量队列处理多个文件 提供 Windows 一键安装器，同时支持 pip 安装和 Docker 部署方式。
0:15

又发现 GitHub 上一款开源强大的文本转语音工具：Abogen。 能快速将 ePub、PDF 或文本文件转换成高质量音频，并生成匹配的字幕。 GitHub： 主要特性： - 支持 ePub、PDF、TXT 多种文件格式输入 - 基于 Kokoro-82M 模型生成自然流畅语音 - 自动生成时间同步字幕文件 - 内置语音混合器创建个性化声音 - 支持多种语言包括中文、英文、日语等 - 批量队列处理多个文件 提供 Windows 一键安装器，同时支持 pip 安装和 Docker 部署方式。

GitHubDaily

31,126 просмотров • 11 месяцев назад